张晓

摘要：电源母线在风电新能源电网系统中的接入，提升了电力整体运行与服务能力，应明确电源母线净负荷计算方法，满足电网配置要求。本文主要分析电源母线净负荷预测分析方式，基于差分进化和最小二乘法进行实际探讨，在此基础上，结合具体案例，对分布式电源母线净负荷进行预测分析，服从风电与小水电设计。

关键词：差分进化；分布式电源母线；净负荷预测

前言：母线负荷预测能够提升电网安全性与稳定性，对风电企业运行产生深远影响。母线负荷是区域内终端负荷的总和，应对负荷值的变化趋势进行分析，实施有效的干预措施，保证电网运行经济合理。实践中，随着风电新能源项目发展，母线负荷预测的不确定性日渐明显，相关人员应对母线净负荷计算和分布函数拟合过程有所了解。

1电源母线净负荷计算与分布函数拟合

1.1净负荷的计算

对电源母线净负荷进行预测，应在计算基础上开展，对通过分析某一时间点，母线负荷与分布式电源出力之间的差距，对母线的净负荷进行确定，并且考虑母线在不同位置和不同自然环境下，净负荷预测值的变化情况。母线净负荷计算中，应对影响因素进行控制，采用历史数据作为参考，开展相关对照实验，对母线净负荷计算结果进行掌握，使得统计与分析过程更有参考价值[1]。

1.2分布函数拟合

实践中，风电出力的随机性更强，并且间歇特征较为明显，因此，在预测中，相关数值的变化与波动较为明显。实践中，为降低这一因素影响，对电源母线的分布式函数进行拟合，明确其波动规律和范围，并且对历史数据进行分析，通过样本数据对概率函数密度进行控制，提升母线净负荷计算能力。

2基于差分进化的含分布电源母线净负荷预测

2.1差分算法与改进

差分进化算法（different evolution，DE）是一类重要的演化算法，通过交叉和变异算子的基础上，对算子操作形式进行选择，达到种群进化的目标。在电力系统中，支持向量机的短期负荷预测中，对差分进化算法进行了使用，并且取得良好效果。针对电源母线净负荷预测，为提升预测精准度，对算法进行了改进，对改进后的DE演化操作流程进行说明，重点介绍种群初始化和适应值计算。

初始种群，其中N代表种群中的个体数量，M代表个体维数，有关种群初始化的长度使用N的实数串，对个体进行描述如，式中每一维元素在0~1范围内取值，1≤i≤N。

适应值计算中，种群中任一个体，倘若存在Xij≥0.5时，则Xij取1，表示应选择决策表中的相应属性；当Xij=0，则表示不选择决策表中的条件属性。基于差分进化理论对分布式电源母线的净负荷进行预测，是相对稳定的预测方法，应获取计算结果中的适应值，并且对适应值函数进行定义。

假设某一决策表中有8个条件属性即｛C1、C2、C3、C4、C5、C6、C7、C8}，可对其进行简约变形为｛C1,C3，C6,C7}，则Xi表示为[1,0,1,0,0,1,1,0]。针对种群中任一个体而言Xi，适应值函数可定义为F（Xi）。函数中，M代表个体维数，表示决策属性对条件属性的依赖度。

2.2预测算法的设计

对分布式电源母线净负荷预测方法进行设计，预测算法的输入参考如下：选定电网中某一整点时刻为历史数据。基于改进差分进化算法，对负荷预测应关注预测日t时刻的最大净负荷。算法设计步骤如下：

首先，输入t时刻负荷历史决策表，对输入预测日的数据进行录入。其次，对负荷预测的历史样本进行离散化分析，并且对风电出力特性值进行参数求解，而且设计了不同置信度的风电出力数据。相关步骤完成后，能够求解出电源母线净负荷特征值，也可对不同置信度净负荷数据进行转换。最后，对净负荷预测的历史样本进行改进，研究其属性简约状态。简约后，数据满足LSSVM训练集的输入样本范围，由此实现了对t时刻电源母线最大净负荷的有效预测。

预测算法设计中，也考虑到风电和小水电接入后，对母线负荷预测产生的不确定性，并且对相关预测值与历史数据进行对比，及时发现不确定因素，使得预测结果更加精确。实践预测中，母线负荷预测的引用误差也明显增加，尤其是风电项目接入，因此，在预测分析中，应综合考虑母线接入问题，并且对预测算法进行优化。计算结果表明，在母线净负荷预测中，应合理控制误差，将预测值与历史数据进行对比，使得预测算法设计与应用更加科学。

2.3案例与预测过程

以某风电小水电的220kV变电站母线为例，对其母线净负荷进行预测分析。考虑气候与水文条件对母线负荷产生的具体影响，使用了三种不同阈值的风电、小水电数据进行数据接入。为提升预测分析准确率，对实验环境进行严格要求。本次预测分析中，实验环境为Intel Core2 Duo2.20GHz的CPU，内存为2GBRAM，操作系统为Windows XP[2]。

算例中使用的语言为Matlab，对分布式电源母线进行预测，选择的历史数据为预测日前3天和前2周，固定时间点的净负荷数据，以此基础，进行对比分析。实验中，选择风电出力、水电出力，气象信息则选择预测当日和前后两天。实验过程中，构建了不同时刻的预测模型，对分布式母线净负荷进行有效预测。

本文预测分析中，選择变电站母线负荷历史数据，提出了基于改进差分的粗糙集属性简约模式，并且使用LSSVM方法，对观测日的历史数据进行合理预测，预测时间选择了上午9时。实践预测中，针对不同置信度情况下，分布式电源母线净负荷数值变化明显，应对简约预测结果进行分析，对结果进行动态化展示，使得预测结果更加精准、高效。

结论：综上所述，提出了基于差分进化的分布式电源母线净负荷预测方法，对预测分析中的不确定性因素进行明确，通过简约计算和算法改进，对服从分布式电源母线净负荷进行预测，对其中涉及的精确度、引用误差与合格率进行分析。同时，在净负荷分析与计算中，应考虑气候、水文等因素对母线净负荷产生的具体影响，注重将相关影响降到最低，提升母线净负荷预测准确度。

参考文献：

[1]范宏,刘自超,郭翔.基于差分进化入侵杂草算法的含分布式电源配电网重构[J].可再生能源,2019,37(04):75-81.

[2]仇中柱,吴军,魏丽东,等.基于差分进化算法的分布式能源系统多目标优化[J].科学技术与工程,2019,019(032):118-125.